Neurological Soft Signs in Schizophrenia: A Meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Neurological soft signs (NSS) are hypothesized as candidate endophenotypes for schizophrenia, but their prevalence and relations with clinical and demographic data are unknown. The authors undertook a quantification (meta-analysis) of the published literature on NSS in patients with schizophrenia and healthy controls. A systematic search was conducted for published articles reporting NSS and related data using standard measures in schizophrenia and healthy comparison groups. METHOD: A systematic search was conducted for published articles reporting data on the prevalence of NSS in schizophrenia using standard clinical rating scales and healthy comparison groups. Meta-analyses were performed using the Comprehensive Meta-analysis software package. Effect sizes (Cohen d) indexing the difference between schizophrenic patients and the healthy controls were calculated on the basis of reported statistics. Potential moderator variables evaluated included age of patient samples, level of education, sample sex proportions, medication doses, and negative and positive symptoms. RESULTS: A total of 33 articles met inclusion criteria for the meta-analysis. A large and reliable group difference (Cohen d) indicated that, on average, a majority of patients (73%) perform outside the range of healthy subjects on aggregate NSS measures. Cognitive performance and positive and negative symptoms share 2%-10% of their variance with NSS. CONCLUSIONS: NSS occur in a majority of the schizophrenia patient population and are largely distinct from symptomatic and cognitive features of the illness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,013 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle